Bounding Box Regression超详解（全站最全汇总版）综合各个途径文档看这一篇就够了解决你所有疑惑

2022-12-01 225

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： Bounding Box Regression超详解（全站最全汇总版）综合各个途径文档看这一篇就够了解决你所有疑惑

0.回顾一下RCNN

大家一般都是从RCNN开始了解Bounding Box Regression的，所以这里简单回顾一下RCNN

RCNN算法流程可分为4步：

1.一整图像生成1K~2K个候选区域（使用Selective Search方法）

2.对每个候选框区域使用深度网络提取特征

3.特征送入每一类的SVM分类器，判别是否属于该类

4.使用回归器精细修正候选框位置

这里我要说的就是RCNN的第四步，即“边界框回归”

主要围绕着这六个问题来解析Bounding Box Regression：

1.为什么要边框回归？

2.什么是边框回归？

3.边框回归细节

4.为什么使用相对坐标差?

5.为什么宽高比只能取对数？

6.为什么IoU较大时边界框回归可视为线性变换？

1.为什么要边框回归？

对于上图，绿色的框表示Ground Truth, 红色的框为Selective Search提取的Region Proposal。那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU<0.5)，那么这张图相当于没有正确的检测出飞机。如果我们能对红色的框进行微调，使得经过微调后的窗口跟Ground Truth 更接近，这样岂不是定位会更准确。确实，Bounding-box regression 就是用来微调这个窗口的。

2.边框回归是什么？

对于窗口一般使用四维向量 ( x , y , w , h ) (x,y,w,h)(x,y,w,h)来表示，分别表示窗口的中心点坐标和宽高。对于图 2, 红色的框 P 代表原始的Proposal, 绿色的框 G 代表目标的 Ground Truth，我们的目标是寻找一种关系使得输入原始的窗口 P 经过映射得到一个跟真实窗口 G 更接近的回归窗口G ^ \widehat{G}

G 。

3.边框回归细节

RCNN论文里指出，边界框回归是利用平移变换和尺度变换来实现映射。

注意：当输入的Proposal 与 Ground Truth 相差较小时（RCNN设置的是IOU>0.6）可以认为这种变换是一种线性变换，那么我们就可以用线性回归模型对窗口进行微调,只有当Proposal和Ground Truth比较接近时（线性问题），我们才能将其作为训练样本训练我们的线性回归模型，否则会导致训练的回归模型不work（当Proposal跟Ground Truth离得较远，就是复杂的非线性问题了，此时用线性回归建模显然不合理）。这个也是G-CNN: an Iterative Grid Based Object Detector多次迭代实现目标准确定位的关键。

那么什么是线性回归？

线性回归就是给定输入的特征向量 X, 学习一组参数 W, 使得经过线性回归后的值跟真实值 Y(Ground Truth)非常接近.，即Y≈WX

那么这个映射关系中我们的输入以及输出分别是什么呢？